研究人员已演示了光速单次张量计算——这是向下一代通用人工智能硬件迈出的重要一步，该硬件将采用光学计算而非电子器件进行计算。
张量运算是几乎所有现代技术（尤其是人工智能）的基石，但它的范畴远超我们熟悉的简单数学。想象一下，在多个维度上旋转、切割或重新排列魔方背后的数学原理。人类和传统计算机必须一步一步地执行这些操作，而光却可以一次性完成所有操作。
如今，从图像识别到自然语言处理，人工智能领域的每一项任务都依赖于张量运算。然而，数据爆炸式增长已使传统的数字计算平台（例如GPU）在速度、可扩展性和能耗方面都达到了极限。
受此紧迫问题的启发，由阿尔托大学电子与纳米工程系光子学研究组张宇峰博士领导的国际研究合作团队，开发出一种利用单次光传播即可完成复杂张量计算的新方法。其成果是实现了以光速进行的单次张量计算。
张博士说：“我们的方法执行的操作与当今GPU处理的相同，例如卷积和注意力层，但速度却达到了光速。我们不依赖电子电路，而是利用光的物理特性同时执行大量计算。”
为了实现这一目标，研究人员将数字数据编码到光波的振幅和相位中，有效地将数值转化为光场的物理属性。当这些光场相互作用和组合时，它们自然而然地执行矩阵乘法和张量乘法等数学运算，而这些运算正是深度学习算法的核心。通过引入多种波长的光，盐焗交流群该团队将这种方法扩展到处理更高阶的张量运算。
张解释说：“想象一下，你是一名海关官员，必须通过多台功能各异的机器检查每个包裹，然后将它们分拣到正确的箱子里。通常情况下，你需要逐个处理每个包裹。而我们的光学计算方法将所有包裹和所有机器整合在一起——我们创建了多个‘光学钩’，将每个输入连接到其正确的输出。只需一次操作，一次光照射，所有检查和分拣就能瞬间并行完成。”
该方法的另一个关键优势在于其简便性。光学运算在光传播过程中被动发生，因此在计算过程中无需主动控制或电子开关。
“这种方法几乎可以在任何光学平台上实现，”阿尔托大学光子学研究组组长孙志培教授说。“未来，我们计划将这一计算框架直接集成到光子芯片上，使基于光的处理器能够以极低的功耗执行复杂的AI任务。”
张表示，最终目标是将该方法部署到各大公司已建立的现有硬件或平台上，他保守估计，该方法将在 3-5 年内集成到此类平台中。
他总结道：“这将创造新一代光学计算系统，显著加速众多领域中复杂的人工智能任务。”
该研究成果于 2025 年 11 月 14日发表在《自然·光子学》杂志上小女儿。
